买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于类注意力传输的模型压缩方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116543250B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310326399.1，技术领域涉及：G06V10/774；该发明授权一种基于类注意力传输的模型压缩方法是由李晖;郭子尧;闫浩楠;赵兴文设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本一种基于类注意力传输的模型压缩方法在说明书摘要公布了：本发明公开了一种基于类注意力传输的模型压缩方法，包括：获取待识别图像；采用训练好的学生模型进行所述待识别图像中的目标物体的识别，得到所述目标物体的类别；所述训练好的学生模型是采用待训练的学生模型根据训练样本输出的预测分数、所述训练样本对应的真实标签、所述待训练的学生模型自身输出的第一类注意力图，以及预训练的教师模型输出的第二类注意力图，对所述待训练的学生模型进行训练得到的；所述待训练的学生模型和所述教师模型中连接在全局池化层之后的全连接层被替换为连接在所述全局池化层之前的一维卷积核。本发明与其他模型压缩方法相比具有更高的可解释性，并且，本发明能够提高模型的分类准确度。

本发明授权一种基于类注意力传输的模型压缩方法在权利要求书中公布了：1.一种基于类注意力传输的模型压缩方法，其特征在于，包括： 获取待识别图像； 采用训练好的学生模型进行所述待识别图像中的目标物体的识别，得到所述目标物体的类别； 所述训练好的学生模型是采用待训练的学生模型根据训练样本输出的预测分数、所述训练样本对应的真实标签、所述待训练的学生模型自身输出的第一类注意力图，以及预训练的教师模型输出的第二类注意力图，对所述待训练的学生模型进行训练得到的；所述待训练的学生模型和所述教师模型均包括：卷积层、一维卷积核和全局池化层；所述待训练的学生模型和所述教师模型中连接在全局池化层之后的全连接层被替换为连接在所述全局池化层之前的一维卷积核； 其中，在所述采用训练好的学生模型进行所述待识别图像中的目标物体的识别，得到所述目标物体的类别之前，所述方法还包括： 获取多个带有真实标签的样本图像；所述真实标签表征样本图像中的物体的真实类别； 获取第t次待训练的学生模型，以及所述预训练的教师模型；其中，当t为1时，所述待训练的学生模型为初始待训练的学生模型； 将至少一个样本图像输入所述第t次待训练的学生模型和所述预训练的教师模型，得到所述第t次待训练的学生模型输出的预测分数、所述第t次待训练的学生模型输出的所述第一类注意力图、所述预训练的教师模型输出的所述第二类注意力图；t为大于或等于1的整数； 根据所述第t次待训练的学生模型输出的预测分数、所述第t次待训练的学生模型输出的所述第一类注意力图、所述预训练的教师模型输出的所述第二类注意力图，以及所述至少一个样本图像的真实标签，确定第t次的损失值； 根据所述第t次的损失值进行反向传播并更新所述第t次待训练的学生模型的参数，得到第t+1次待训练的学生模型，如此迭代，直至满足预设条件时停止训练，得到训练好的待转换学生模型； 将所述训练好的待转换学生模型中连接在所述全局池化层之前的一维卷积核，替换为连接在全局池化层之后的全连接层，得到所述训练好的学生模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。